Individualizada predicción de resultados de glucosa en sangre mediante análisis de datos composicionales
Autores: Cabrera, Alvis; Estremera, Ernesto; Beneyto, Aleix; Biagi, Lyvia; Contreras, Iván; Martín-Fernández, Josep Antoni; Vehí, Josep
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Individualizada predicción de resultados de glucosa en sangre mediante análisis de datos composicionales
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Modelo de regresión lineal individualizado
Glucosa en sangre
Diabetes tipo 1
Estado glucémico
Sensibilidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 41
Citaciones: Sin citaciones
Este documento presenta un modelo de regresión lineal múltiple individualizado basado en datos composicionales donde se predicen la media y el coeficiente de variación de la glucosa en sangre en individuos con diabetes tipo 1 a largo plazo (2 y 4 h). A partir de estas predicciones, estimamos los valores mínimos y máximos de glucosa para proporcionar un estado glucémico futuro. La metodología propuesta ha sido validada utilizando un conjunto de datos de 226 pacientes adultos reales con diabetes tipo 1 (Reemplazar BG (NCT02258373)). Los resultados obtenidos muestran una precisión equilibrada y una sensibilidad medianas de más del 90% y 80%, respectivamente. Se ha implementado y validado un sistema de información para actualizar a los pacientes sobre su estado glucémico y los riesgos asociados para las próximas horas.
Descripción
Este documento presenta un modelo de regresión lineal múltiple individualizado basado en datos composicionales donde se predicen la media y el coeficiente de variación de la glucosa en sangre en individuos con diabetes tipo 1 a largo plazo (2 y 4 h). A partir de estas predicciones, estimamos los valores mínimos y máximos de glucosa para proporcionar un estado glucémico futuro. La metodología propuesta ha sido validada utilizando un conjunto de datos de 226 pacientes adultos reales con diabetes tipo 1 (Reemplazar BG (NCT02258373)). Los resultados obtenidos muestran una precisión equilibrada y una sensibilidad medianas de más del 90% y 80%, respectivamente. Se ha implementado y validado un sistema de información para actualizar a los pacientes sobre su estado glucémico y los riesgos asociados para las próximas horas.